随着与无人机相关的制造、控制、计算机等技术的发展,无人机逐渐应用在了社会生产生活的各个领域中。无人机的自主导航与着降回收技术一直是无人机技术中研究的重点和难点,在无人机实际飞行中,经常会面对全球导航卫星系统（Global Navigation Satellite System,GNSS）信号缺失的情况,从而使导航精度产生影响。本文研究GNSS拒止环境下无人机视觉导航着降回收技术,利用旋翼无人机机载相机配合着降合作标志进行视觉位姿估计,并融合多源传感器位姿信息,实现无人机平稳精确着降和回收。针对无人机自主导航着降回收技术,现有技术存在如下问题:1)无人机着降合作标志的选取。合适的合作标志能够配合无人机实现快速准确的识别和定位,现有标志存在检测信息少和距离尺度泛用性差等问题;2)现有的视觉检测和跟踪技术存在精度低、实时性差等问题,需要对这些算法进行优化,以提升无人机对视觉特征的检测和分析性能;3)无人机着降过程对精确位姿估计的要求。利用机载相机提供的视觉信息,并配合多源传感器数据融合实现高精度的位姿估计十分重要;4)旋翼无人机由于耗电速度快,工作时需要完成回收充电等任务,无人机的回收技术仍存在很多问题。基于以上问题,本文开展了以下四个部分的研究:（1）设计了一种新型的嵌套型着降合作标志,并研究无人机着降过程中的视觉检测算法。首先,针对现有合作标志存在的问题,设计了一种基于“视觉轮廓+Ar Uco码”的嵌套型着降合作标志,所设计的标志具有良好的检测性能和丰富的特征信息;其次,根据设计的标志建立多距离尺度无人机着降视觉分析策略;最后,研究了机载相机在着降时对合作标志的视觉检测算法,包括图像预处理技术、外围视觉轮廓提取以及Ar Uco码检测算法。（2）研究无人机着降过程中的视觉特征分析与跟踪技术。首先,根据检测和匹配效果,选择轮廓点作为外围视觉轮廓的特征点,利用HSV空间实现了对特征点的排序,将获取的特征点用于无人机着降位姿估计;其次,根据机载相机在不同高度获取的影像,基于Siam RUM深度网络实现了对地面移动平台的跟踪,基于“L-K光流+Siam RPN深度网络”方法实现了对着降合作标志的跟踪;最后,采用Siam RPN深度网络跟踪获取的感兴趣区域确定合作标志所在区域,优化合作标志内部Ar Uco码的检测算法,提高了算法整体的实时性能。（3）研究无人机着降过程中的视觉位姿估计算法与多源传感器数据融合算法。在建立导航坐标系和相机模型的基础上,提出了基于Pn P算法对二维-三维特征点进行匹配的视觉位姿估计算法,并基于卡尔曼滤波器提出了“视觉+惯性+高度计”的多源传感器融合位姿估计算法,实现了对以上三种传感器位姿数据的融合处理。通过构建的仿真实验比较了静止平台垂直着降和移动平台不同路径着降的位姿估计效果,并在大疆M100无人机平台上开展了实飞实验,验证了本文所提出位姿解算算法。（4）研究无人机回收辅助技术。在视觉着降的相关技术基础上,进一步研究无人机回收过程中的辅助技术。在地面着降平台上应用双目相机对无人机着降高度进行视觉辅助估计;此外,针对无人机回收充电的实际任务需求,本文设计了一种基于移动杆的灵活式无人机回收充电结构,充电结构能够通过运动对准无人机,以适应无人机着降后的微小位置误差。